Hebbian Robotics, 개방형·버전 관리되는 데이터 파이프라인으로 로보틱스의 걸림돌을 풀다

Hebbian Robotics는 로보틱스 데이터 파이프라인용 오픈소스(Apache-2.0) SDK인 HFlow를 만든다. 팀은 순수 파이썬으로 변환, 검사, 라벨링, 보강을 작성하고, HFlow는 이를 Airflow 3 DAG로 실행하며, 출처 정보가 붙은 MCAP 에피소드를 저장하고 쿼리 가능한 DuckDB/Parquet 카탈로그를 함께 유지한다.

로보틱스의 진전은 모델이 아니라 데이터 품질에서 병목이 생기므로, 로봇 녹화물을 검사하고 버전 관리하며 큐레이션하는 오픈 SDK가 표준 데이터 계층이 된다.

Brandon Ong은 양팔 산업용 청소 로봇을 위한 구현형 AI 모델을 학습시켰고 스탠퍼드에서 저자원 언어를 연구했다. Kingston Kuan은 Jane Street에서 시스템을 확장했고 Verkada의 대규모 영상 플랫폼을 구축했다. 두 사람은 로보틱스 팀들이 취약한 일회성 스크립트를 짜맞추는 모습을 계속 목격했다. 하나는 영상을 트랜스코딩하고, 다른 하나는 타임스탬프를 검사하고, 또 다른 하나는 라벨을 붙이는데, 코퍼스가 커질수록 이런 스크립트가 조용히 학습 데이터를 오염시켰다. 또한 데이터 벤더들이 검증되지 않은 자기중심적(egocentric) 녹화물이나 로봇 녹화물을 판매하는 것도 보았다.

두 사람은 YC의 2026년 여름 배치 기간에 샌프란시스코에서 Hebbian Robotics를 창업했고(2026년 설립, 2인 팀), 2026년 8월까지 PyPI에 HFlow 0.2.x를 공개했다. 이 SDK는 MCAP 파일 안의 동기화된 영상, 상태, 행동, 메타데이터를 처리하고, 출처 정보와 버전이 찍힌 품질 측정값을 Parquet 카탈로그에 기록하며, 파이프라인을 눈에 보이는 Airflow 그래프로 렌더링한다. 2026-08-31의 Launch HN은 같은 파이프라인 인프라를 직접 다시 만드는 팀들을 겨냥해 자리매김했다. YC 런치 페이지는 데이터 제공자가 구매자에게 품질을 입증할 수 있게 하는 API를 내세우며, 호스팅형 멀티테넌트 제품은 아직 대기자 명단을 받는 중이다.

데이터 품질은 로보틱스 팀이 가장 먼저 부딪히는 병목이다. 모델은 동기화가 어긋나거나 불완전하거나 재현 불가능한 녹화물을 보상할 수 없으므로, QC는 실패 후가 아니라 학습 전에 있어야 한다.

표준 포맷이 또 하나의 독점 스택을 이긴다. MCAP, Airflow, Parquet, DuckDB는 이미 생태계에서 신뢰받고 있어 규모와 무관하게 팀의 도입 비용을 낮춘다.

오픈소스는 2인 팀에 맞는 쐐기다. Apache-2.0 코드, 로봇 하드웨어 없이도 가능한 기여, 눈에 보이는 출처 정보는 영업사원보다 빠르게 데이터 구매자의 신뢰를 쌓는다.

판정보다 증거. 검사는 커버리지와 버전 스탬프가 붙은 측정값을 기록하므로 데이터셋 정책은 소비자에게 남고 모든 코퍼스는 재현 가능하게 유지된다.

고객이 가장 먼저 느끼는 병목, 즉 모델이 아니라 데이터 품질을 찾아낸 뒤, 표준이 복리로 쌓이도록 인프라를 오픈소스화하고, 포맷이 승리한 뒤에야 호스팅을 판매하라.

2026-09-06 기준 Hebbian Robotics는 샌프란시스코의 활동 중인 2인 YC 여름 2026 기업이다. HFlow는 v1 이전 단계로, 변환에서 매니페스트까지의 핵심 생애주기가 처음부터 끝까지 작동하며 PyPI에서 설치할 수 있고, GitHub 포크는 126개이며 0.2.4에서 LeRobot v3 가져오기가 추가되었다. 2026-08-31의 Launch HN은 46점과 댓글 12개를 기록했고, 회사는 호스팅 플랫폼 대기자 명단을 위해 이름을 모으는 중이며, 관리형 워크스페이스와 엔터프라이즈 지원을 통한 수익화는 아직 공개되지 않았고 검증되지 않았다.